PytorchFashionMinst数据集读取方法

这篇文章主要讲解了“Pytorch Fashion Minst数据集读取方法”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习“Pytorch Fashion Minst数据集读取方法”吧！

创新互联建站是专业的怀仁网站建设公司，怀仁接单;提供成都网站制作、网站设计,网页设计,网站设计,建网站,PHP网站建设等专业做网站服务;采用PHP框架,可快速的进行怀仁网站开发网页制作和功能扩展;专业做搜索引擎喜爱的网站,专业的做网站团队,希望更多企业前来合作!

本章节主要举例说明了数据集读取的问题，针对于trochvision中Fashion Mnist数据集的读写问题；

其中，具体的读取训练集和测试集为：

mnist_train = torchvision.datasets.FashionMNIST(root='~/Datasets/FashionMNIST', train=True, download=True, transform=transforms.ToTensor())
mnist_test = torchvision.datasets.FashionMNIST(root='~/Datasets/FashionMNIST', train=False, download=True, transform=transforms.ToTensor())

其中有两个参数注意一下，train代表是否参与训练，最后一个参数代表将数据集的内容转化为tensor的表示形式；

依然可以使用DataLoader和batch_size进行分批训练；

train_iter = torch.utils.data.DataLoader(mnist_train, batch_size=batch_size, shuffle=True, num_workers=num_workers)
test_iter = torch.utils.data.DataLoader(mnist_test, batch_size=batch_size, shuffle=False, num_workers=num_workers)

这里说明一下train_iter，这是一个分批的数据结构，这里根据batch_size分成了235批；

对于每次train_iter的遍历，也使用for循环挨个喂数据；

并且DataLoader可以采用多线程进行读取，这样读取的时间更快；

start = time.time()
    for X, y in train_iter:
        continue
    print('%.2f sec' % (time.time() - start))

感谢各位的阅读，以上就是“Pytorch Fashion Minst数据集读取方法”的内容了，经过本文的学习后，相信大家对Pytorch Fashion Minst数据集读取方法这一问题有了更深刻的体会，具体使用情况还需要大家实践验证。这里是创新互联，小编将为大家推送更多相关知识点的文章，欢迎关注！